# 日志即智能体：用事件溯源和反应式图谱做可审计、可分支的智能体系统

> 原标题：The Log Is the Agent

- 来源：Hacker News 首页
- 发布时间：2026-07-05T02:57:38.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/42422
- 原文：https://arxiv.org/abs/2605.21997

## 摘要

Yohei Nakajima 提出了 ActiveGraph，一个把智能体运行时的底层逻辑颠倒过来的架构。现在多数智能体框架是先跑对话循环，再往上加工具、规则，最后补一层日志做观测，状态靠“外挂资料库”式的记忆来存。ActiveGraph 反过来：只增不删的事件日志才是唯一真相来源，当前的工作图谱只是日志的确定性投影。组件之间不直接发指令，所有协调都通...

## 推荐理由

这个架构想法挺有意思，把事件溯源那套思路搬到了智能体运行时上，不是简单套壳。但我会先打个折——它目前还只是一篇论文，没代码没落地，所以停在 72 分的 featured 门槛上。正文没披露任何实际跑过的性能数据或生产环境案例，这点先别太激动。

## 锐评

Yohei Nakajima 这篇论文把智能体的设计逻辑翻了个个儿。现在多数框架是先跑对话循环，再往上堆工具和规则，最后补一层日志做观测，状态靠“外挂资料库”式的记忆来存。ActiveGraph 反过来：只增不删的事件日志才是唯一真相来源，当前的工作图谱只是日志的确定性投影。组件之间不直接发指令，所有协调都通过共享图谱完成。

这个设计带来了三个外挂记忆做不到的特性：一是任何一次运行都能从日志里原样回放；二是可以在任意事件点分叉，不用重跑共享的前缀，成本很低；三是从顶层目标到具体模型调用，每一步的来龙去脉都能追溯。论文给了架构、确定性合约，还有一个尽职调查的例子，代码也开源了。

不过得打个折：文章没报大规模跑分，也没说在复杂场景下日志膨胀、图谱投影延迟这些工程问题怎么解决。如果是真的，对需要审计和实验复现的场景挺省钱，但现阶段只能当架构思路，离生产落地还缺验证。